CN113867365B - 无人驾驶车辆变加速度的确定方法、装置和相关设备 - Google Patents
无人驾驶车辆变加速度的确定方法、装置和相关设备 Download PDFInfo
- Publication number
- CN113867365B CN113867365B CN202111263448.9A CN202111263448A CN113867365B CN 113867365 B CN113867365 B CN 113867365B CN 202111263448 A CN202111263448 A CN 202111263448A CN 113867365 B CN113867365 B CN 113867365B
- Authority
- CN
- China
- Prior art keywords
- variable acceleration
- movement speed
- unmanned vehicle
- variable
- acceleration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001133 acceleration Effects 0.000 title claims abstract description 318
- 238000000034 method Methods 0.000 title claims abstract description 70
- 239000003638 chemical reducing agent Substances 0.000 claims description 46
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000036461 convulsion Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Regulating Braking Force (AREA)
Abstract
本申请提供了一种无人驾驶车辆变加速度的确定方法、装置和相关设备，当检测到路面的障碍物时，获取障碍物的运动速度、障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度；基于障碍物的运动速度确定无人驾驶车辆的最终运动速度；基于初始运动速度、初始距离和最终运动速度从预先建立的刹车减速集中查询设定满足安全减速刹车需求的变加速度，从查询结果中选择一个变加速度作为车辆的规划变加速度。该无人驾驶车辆变加速度的确定方法，采用查表方式能快速地查询到满足安全减速刹车需要的变加速度，减少了大量的计算，大大节约了时间，提高了效率。并且快速给出规划变加速度有利于车辆及时作出响应，有效保证安全驾驶。
Description
技术领域
本申请涉及无人驾驶技术领域，具体涉及一种无人驾驶车辆变加速度的确定方法、装置和相关设备。
背景技术
随着人工智能的发展，无人驾驶车辆应运而生。运动规划是无人驾驶车辆技术中的重要难点之一，它承担着为无人驾驶车辆提供安全且舒适运动方案的职能。在无人驾驶车辆中设置有无人驾驶车辆系统，该系统可以接收来自上层模块（例如perception，prediction，decision等）的信息，然后构建出一个描述此时路况的内环境，并且计算生成一条车辆的可行路径，使之可以在保证安全的同时完成当前承载的任务（如停车，跟车，变道等）。目前市面上常用的计算规划路线的方法叫做模型预测控制 (Model PredictiveControl, MPC)，该方法是一种多变量控制策略，可以在满足复杂的刚性和柔性约束的情况下来计算需要优化的变量值，从而使得目标函数得到最优值。无人驾驶车辆的纵向和横向运动规划都可以使用这个方法，而最终运动方案是整合纵向和横向运动规划形成的。
然而对于无人驾驶车辆而言，运动规划是确定最终运动方案非常重要的因素。其中，无人驾驶车辆的运动规划是通过优化其自身横向以及纵向方向的速度、加速度和变加速度曲线来控制其动力学系统的运动行为。变加速度是描述加速度的变化率，不仅会影响无人驾驶车辆的安全性，还会影响乘客的舒适感。因此，要确定一个合适的变加速度就显得尤为重要。目前，变加速度的确定通常时在无人驾驶车辆需要减速刹车时，根据当时的无人驾驶车辆以及路面情况来计算的，但计算过程会比较复杂，且效率低。
发明内容
有鉴于此，本申请实施例中提供了一种无人驾驶车辆变加速度的确定方法、装置、设备和存储介质。
第一方面，本申请实施例提供了一种无人驾驶车辆变加速度的确定方法，该方法包括：
当检测到路面的障碍物时，获取所述障碍物的运动速度、所述障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度；
基于所述障碍物的运动速度确定所述无人驾驶车辆的最终运动速度，所述最终运动速度不超过所述障碍物的运动速度；
基于所述初始运动速度、所述初始距离和所述最终运动速度从预先建立的刹车减速集中查询满足设定安全减速刹车需求的变加速度，其中，所述刹车减速集包括多个减速机制表，每一个所述减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始速度和初始距离对应的减速情况；
从查询结果中选择一个所述变加速度作为车辆的规划变加速度。
第二方面，本申请实施例提供了一种无人驾驶车辆变加速度的确定装置，该装置包括：
第一获取模块，用于当检测到路面的障碍物时，获取所述障碍物的运动速度、所述障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度；
最终运动速度确定模块，用于基于所述障碍物的运动速度确定所述无人驾驶车辆的最终运动速度，所述最终运动速度不超过所述障碍物的运动速度；
变加速度查询模块，用于基于所述初始运动速度、所述初始距离和所述最终运动速度从预先建立的刹车减速集中查询满足设定安全减速刹车需求的候选，其中，所述刹车减速集包括多个减速机制表，每一个所述减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始速度和初始距离对应的减速情况；
规划变加速度选择模块，用于从查询结果中选择一个所述变加速度作为车辆的规划变加速度。
第三方面，本申请实施例提供了一种终端设备，包括：存储器；一个或多个处理器，与所述存储器耦接；一个或多个应用程序，其中，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行上述第一方面提供的无人驾驶车辆变加速度的确定方法。
第四方面，本申请实施例提供了一种计算机可读取存储介质，计算机可读取存储介质中存储有程序代码，程序代码可被处理器调用执行上述第一方面提供的无人驾驶车辆变加速度的确定方法。
本申请实施例提供的无人驾驶车辆变加速度的确定方法、装置、终端设备和存储介质，首先当检测到路面的障碍物时，获取障碍物的运动速度、障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度；然后基于障碍物的运动速度确定无人驾驶车辆的最终运动速度；再基于初始运动速度、初始距离和最终运动速度从预先建立的刹车减速集中查询满足设定安全减速刹车需求的变加速度，其中，刹车减速集包括多个减速机制表，每一个减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始速度和初始距离对应的减速情况；根据减速情况就可以确定某一变加速度是否满足设定安全减速刹车需求，当变加速度满足设定安全减速刹车需求时，将其查询出来。然后从查询结果中选择一个变加速度作为规划变加速度。
该无人驾驶车辆变加速度的确定方法，采用查表方式能快速地查询到满足安全减速刹车需要的变加速度，减少了大量的计算，大大节约了时间，提高了效率。并且快速给出规划变加速度有利于无人驾驶车辆及时作出响应，有效保证安全驾驶。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的无人驾驶车辆变加速度的确定方法的应用场景示意图；
图2为本申请一个实施例提供的无人驾驶车辆变加速度的确定方法的流程示意图；
图3为本申请一个实施例提供的减速机制表示意图；
图4a为本申请另一个实施例提供的减速机制表示意图；
图4b为本申请又一实施例提供的减速机制表示意图；
图5为本申请一个实施例提供的刹车减速集建立的方法流程示意图；
图6为本申请一个实施例提供的采用高斯函数对历史变加速度进行拟合的示意图；
图7为本申请一个实施例提供的无人驾驶车辆变加速度的确定装置的结构图；
图8为本申请一个实施例中提供的终端设备的结构示意图；
图9为本申请一个实施例中提供的计算机可读存储介质的结构示意图。
具体实施方式
下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了更详细说明本申请，下面结合附图对本申请提供的一种无人驾驶车辆变加速度的确定方法、装置、终端设备和计算机存储介质，进行具体地描述。
请参考图1，图1示出了本申请实施例提供的无人驾驶车辆变加速度的确定方法的应用场景的示意图，该应用场景包括本申请实施例提供的终端设备100和无人驾驶车辆200，其中无人驾驶车辆200可以与终端设备100进行通信，无人驾驶车辆200在路面运行时可以实时采集路面情况以及自身运行情况（例如运行车速等），并将采集到的路面情况和自身运行情况发生至终端设备100，终端设备100对路面情况和车辆自身运行情况进行分析，从而给出指令来控制无人驾驶车辆200的运行，例如加速、减速、刹车、路线规划等。
首先，终端设备100可以是具有显示屏的各种电子设备，包括但不限于智能手机和计算机设备，其中计算机设备可以是台式计算机、便携式计算机、膝上型计算机、平板电脑等设备中的至少一种。其次，终端设备100可以泛指多个终端设备中的一个，本实施例仅以终端设备100来举例说明。本领域技术人员可以知晓，上述终端设备的数量可以更多或更少。比如上述终端设备可以仅为几个，或者上述终端设备为几十个或几百个，或者更多数量，本申请实施例对终端设备的数量和类型不加以限定。终端设备100可以用来执行本申请实施例中提供的一种无人驾驶车辆变加速度的确定方法。
基于此，本申请实施例中提供了一种无人驾驶车辆变加速度的确定方法。请参阅图2，图2示出了本申请实施例提供的一种无人驾驶车辆变加速度的确定方法的流程示意图，以该方法应用于图1中的终端设备为例进行说明，包括以下步骤：
步骤S110，当检测到路面的障碍物时，获取障碍物的运动速度、障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度。
其中，无人驾驶车辆，又称为自动驾驶车辆、电脑驾驶车辆，是一种通过电脑系统实现无人驾驶的智能汽车。无人驾驶车辆主要依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。
当无人驾驶车辆在路面上运行时，其安装的雷达、视频采集装置等检测设备会实时采集路面情况，例如路面是否有障碍物。障碍物可以是行人、车辆、堆集或散落在路上的杂物等。障碍物可以是无人驾驶车辆横向或纵向行驶方向上的障碍物。当无人驾驶车辆在路面上运行，相关检测设备检测到路面的障碍物时，说明无人驾驶车辆需要减速刹车。此时，相关检测设备将这一情况发生至终端设备，由终端设备来确定无人驾驶车辆减速刹车时需要确定合适的变加速度，然后将变加速度发送至MPC（Model Predictive Control，模型预测控制）从而来控制规划无人驾驶车辆运行。
变加速度（英文为Jerk）又称加加速度、急动度、冲动度或跃度，用于描述加速度变化快慢的物理量，是加速度的时间导数。加速度反应人体器官在加速度运动时感受到的力，而变加速度则反应这作用力的变化快慢。因此，汽车在加速时将使乘客产生不适感，这种不适感不仅来自于加速度，也与变加速度有关。较大的变加速度将会使人体产生相当的不适感，例如在电梯升降，汽车、火车等加速和转弯的过程中。在无人驾驶车辆技术中，变加速度这个值是MPC（Model Predictive Control，模型预测控制）运动规划里面的硬约束条件，此约束条件反应无人驾驶车辆让其加速度变化的快慢，同时也直接影响车辆中人的舒适程度。
在本实施例中，当检测到路面的障碍物时，获取障碍物的运动速度、障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度。无人驾驶车辆的初始运动速度是指当检测到路面的障碍物时刻，无人驾驶车辆的当前运动速度。
需要说明的是，当障碍物处于静止状态时，障碍物的运动速度为0。当障碍物的运动速度为0时，无人驾驶车辆的最终运动速度为0。
步骤S120，基于障碍物的运动速度确定无人驾驶车辆的最终运动速度，最终运动速度不超过所述障碍物的运动速度。
在一种可选的实施方式中，可以采用将障碍物的运动速度记为无人驾驶车辆的最终运动速度。
最终运动速度是指无人驾驶车辆在减速刹车完成时所达到的行驶速度。
需要说明的是，将无人驾驶车辆的最终速度设置为小于或等于障碍的运动速度是考虑到障碍物（尤其车辆）也可能运动情况（例如车辆急刹车），因此在本实施例中障碍物的运动模式在无人驾驶车辆减速刹车的过程中被设定为以某一恒定加速度的匀减速运动，而无人驾驶车辆会依据现有的框架进行运动规划，直至无人驾驶车辆的最终速度小于或等于障碍物的运动速度相同（即相对车速小于或等于0）。
步骤S130，基于初始运动速度、初始距离和最终运动速度从预先建立的刹车减速集中查询满足设定安全减速刹车需求的变加速度。
其中，刹车减速集包括多个减速机制表，每一个减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始运动速度和初始距离对应的减速情况。
具体地，刹车减速集中包括多个减速机制表。每一个减速机制表是来描述无人驾驶车辆在需要减速刹车的场景中，实际刹停距离的一个表。具体为每一个减速机制表都是在反应当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始车速和初始车距的减速情况。其中，减速机制表如图3所示，该图表示的是在变加速度为-10m/s^3和最终运动速度为0m/s的时候的减速机制表，该减速机制表的横坐标表示无人驾驶处理的初始运动车速（即图3中的Steady State Speed）（例如V0），纵坐标表示无人驾驶车辆与障碍物的初始距离（即图3中的Testing Fence Distance）（例如S0），图中的每一数据点表示当无人驾驶车辆在以不同的初始运动车速（V0）和初始距离（例如S0）为初始状态，采用变加速度为-10m/s^3运行至最终运动速度为0m/s时，无人驾驶车辆与障碍物的最终距离（即刹停位置距离障碍物的距离）。图上的曲线是描述停车距离等高线（即最终距离的等高线），其中0线的位置最重要，是分界无人驾驶车辆是否可以安全刹住的分水岭。在0线左侧的点，都是可以安全刹住，在0线右侧的点，都是会发生碰撞，具体为：当最终距离值为正值或0时表示在障碍物后方安全刹住；当最终距离值为负值时表示无人驾驶车辆未能安全刹住，与障碍物发送了碰撞，此时-10m/s^3的变加速度是不合适或者不满足安全减速刹车需要。
另外，不同的变加速度下，减速机制表会有很大差别，下面给出两个不同的变加速度下的减速机制表。请参照图4a、4b，两个减速机制表的初始运动速度、初始距离和最终运动速度都相同，而图4a中减速机制表的变加速度为J1，图4b中减速机制表中的变加速度为J2，其中J1小于J2，从图4a、4b可知相同的初始运动速度、初始距离和最终运动速度下，变加速度越大，刹停越快，最终距离越大。
满足设定安全减速刹车需求是指满足安全车辆行驶要求，不发生碰撞等安全事故。
需要说明的是减速机制表中的初始运动速度、初始距离、变加速度以及最终运动速度是采用仿真技术在仿真环境中生成的，然后根据这些数据来计算无人驾驶车辆减速刹车完成时距离障碍物的最终距离，最后根据这些数据生成减速机制表。
此外，变加速度的查询是在无人驾驶车辆需要减速刹车场景下实时进行或者定时进行。其中，实时查询是指每时每刻都会根据当前状况去查询这个减速机制表，然后把查询的变加速度设置到MPC的约束条件来规划车辆运行。定时查询是指在某一时刻根据当前状况去查询减速机制表，然后把查询的变加速度设置到MPC的约束条件来规划无人驾驶车辆的运行，间隔一段时间后再根据当前状况去查询减速机制表，然后把查询的变加速度设置到MPC的约束条件来规划无人驾驶车辆的运行。
需要说明的是，当选择实时查询或定时查询变加速度时，无人驾驶车辆的初始运动速度是指当前变加速度查询时刻无人驾驶车辆的运行速度，最终运动速度是指无人驾驶车辆以当前变加速度查询时刻查询到的变加速度进行减速运行直至下一个变加速度查询时刻的无人驾驶车辆的运行速度。
可选地，在刹车减速集中查询变加速度时可以采用二分查找法。其中，二分查找，也称折半查找，在某些情况下相比于顺序查找使用折半查找算法的效率更高。
步骤S140，从查询结果中选择一个变加速度作为车辆的规划变加速度。
进一步地，提供了几种选择规划变加速度的方式，具体描述如下：从查询结果中选择一个变加速度作为车辆的规划变加速度包括：选择最小变加速度作为所述规划变加速度；或选择最先查询到的变加速度作为所述规划变加速度；或选择最大变加速度作为所述规划变加速度；或选择中值变加速度作为所述规划变加速度。
具体地，在某一减速刹车场景下，通常会有多个合适或满足安全减速刹车需求的变加速度，此时选择最小变加速度、最大变加速度、中值加速度或最先查询到的变加速度作为规划变加速度。
选择最小变加速度作为规划变加速度在确保安全驾驶情况下可以最大程度提高乘客的舒适感。选择最大变加速度作为规划变加速度能无人驾驶车辆最快减速刹车，从而能最大程度地确保安全驾驶。选择中值变加速度作为规划变加速度一方面能保证无人驾驶车辆的安全驾驶，另一方面能兼顾乘客的舒适性；并且也能使无人驾驶车辆快速减速，以应对路面上的一些突发情况。而选择最先查询到的变加速度作为规划变加速度，能最大程度地节约时间，以便最快地为无人驾驶车辆做出运行规划，有利于在非常紧急情况下以使无人驾驶车辆做出及时响应。
本申请实施例提供的无人驾驶车辆变加速度的确定方法，首先当检测到路面的障碍物时，获取障碍物的运动速度、障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度；然后基于障碍物的运动速度确定无人驾驶车辆的最终运动速度；再基于初始运动速度、初始距离和最终运动速度从预先建立的刹车减速集中查询设定安全减速刹车需求的变加速度，其中，刹车减速集包括多个减速机制表，每一个减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始速度和初始距离对应的减速情况；根据减速情况就可以确定某一变加速度是否满足设定安全减速刹车需求，当变加速度满足设定安全减速刹车需求时，将其查询出来。然后从查询结果中选择一个变加速度作为规划变加速度。
该无人驾驶车辆变加速度的确定方法，采用查表方式能快速地查询到满足安全减速刹车需要的变加速度，减少了大量的计算，大大节约了时间，提高了效率。并且快速给出规划变加速度有利于无人驾驶车辆及时作出响应，有效保证安全驾驶。
进一步地，给出了一种刹车减速集的构建的具体实施方式，描述如下：
在一个实施例中，请参照图5，刹车减速集的建立方法，包括：
步骤S210，基于仿真环境生成多个的初始运动速度、初始距离、变加速度和最终运动速度。
具体地，初始运动速度、初始距离、变加速度和最终运动速度可以是采用仿真技术，基于仿真环境生成的。可选地，在生成初始运动速度、初始距离、变加速度和最终运动速度可以参考无人驾驶车辆的历史运行情况产生的。其中，历史运行情况可以包括但不限于无人驾驶车辆的运行速度，加速、减速以及刹车响应时间，减速时常用的变加速度等。
初始运动速度、初始距离、变加速度和最终运动速度可以是很多个。例如：将初始运动速度V0的取值可以是1.0m/s, 1.25m/s, ..., 29.0m/s等。初始距离S0取值为1.0m,2.0m, ..., 110m等。变加速度J的取值可以是-15m/s^3, -14m/s^3, …, -1m/s^3等。最终运动速度的取值可以是1.0m/s, 1.25m/s, ..., 29.0m/s。
步骤S220，以每一个初始运动速度和初始距离作为无人驾驶车辆的初始状态，以每一个最终速度作为无人驾驶车辆的最终状态。
步骤S230，计算无人驾驶车辆从初始状态采用各变加速度运行至最终状态时，与障碍物的最终距离。
为了便于理解，给出一个详细实施例。假设有一个初始运动速度为V0，初始距离为S0，变加速度为J，最终运动速度为V*，则最终距离为d=S0-（V*2-V02）/2a，其中a表示加速度，可以根据变加速度J确定。
其中，每一个初始运动速度为V0，初始距离为S0，变加速度为J，最终运动速度为V*对应一个最终距离，因此可以生成多个最终距离。
步骤S240，针对每一变加速度及最终速度的组合，以各初始运动速度为横坐标，以各初始距离为纵坐标，以最终距离为数据点，形成一个减速机制表。
在一种可选的实施方式中，可以以每一初始运动速度为横坐标，以每一初始距离为纵坐标，以某一个固定的变加速度为J和最终运动速度为V*确定的最终距离为数据点，绘制停车距离等高线，以形成一个减速机制表，如图3所示。依次类推，以各初始运动速度为横坐标，以各初始距离为纵坐标，以最终距离为数据点，绘制停车距离等高线，从而形成多个减速机制表。
需要说明的是在生成多个减速机制表的过程中可以采用多进程（例如采用32进程）的方式，以便快速生成所有的减速机制表。
步骤S250，由不同的变加速度及最终速度的组合所对应的各个减速机制表，组成刹车减速集。
具体地，将每一个减速机制表进行组合就形成了刹车减速集。
采用本实施例的方法可以快速地建立刹车减速集，以便于在无人驾驶车辆需要减速刹车场景中能快速查询到变加速度，减少了计算过程，大大节约了时间。并且刹车减速集占据内存很小（即大约几十M），便于存储和查询。
进一步地，提供了一种刹车减速集划分成多个子刹车减速集的实施方式，下面对该实施方式进行详细描述。
在一个实施例中，由不同的变加速度及最终速度的组合所对应的各个减速机制表，组成刹车减速集之后，还包括：基于历史变加速度的数据分布情况，将刹车减速集分为多个不同优先级的子刹车减速集。
在一个实施例中，基于初始运动速度、初始距离和最终运动速度从预先建立的刹车减速集中查询变加速度，包括：基于初始运动速度、初始距离和最终运动速度按照优先级从高到低的顺序从各子刹车减速集中查询变加速度。
具体地，刹车减速集中减速机制表的数量较多，当需要查询减速机制表时就需要对每一个减速机制表进行查询，从而来确定最小变加速度。但在实际减速刹车场景下，情况可能比较危急通常需要快速做出决策，查表时间过长不利于处理紧急情况。
基于此，可以将刹车减速集分成多个具备不同优先级的子刹车减速集。在对需要查询变加速度时可以按照优先级顺序（通常是按照优先级从高到低顺序）从各子刹车减速集中查询变加速度。当在优先级别高的子刹车减速集中已经查询到变加速度时也可以不再查询优先级别低的子刹车减速集中的减速机制表。
在本实施例中，将刹车减速集分为多个不同优先级的子刹车减速集可以是根据已经收集的无人驾驶车辆的历史车辆表现数据，研究在减速刹车场景中的变加速度（即历史变加速度）的数据分布情况，可以将变加速度分为常用的和非常用的，即按照变加速度的使用频率将变加速度划分不同的区间，不同的区间的变加速度对应的减速机制表生成相应的子刹车减速集。其中，不同的常用区间表示优先级不同。
此外，将刹车减速集按照优先级的级别划分成多个子刹车减速集，在需要查表时按照优先级的级别进行查询，能比较快速查询出合适的变加速度。另外，在对每一个子刹车减速集中的减速机制表进行变加速度查询时，可以采用二分法。采用二分法能更加快速查询到满足设定安全减速刹车需求的变加速度。
在一个实施例中，基于历史变加速度的数据分布情况，将刹车减速集分为多个不同优先级的子刹车减速集，包括：获取无人驾驶车辆的历史变加速度；对历史变加速度进行数据拟合，根据拟合结果确定多个变加速度的优先级区间；分别根据每一优先级区间中的变加速度对应的减速机制表生成相应的子刹车减速集。
在一个实施例中，对历史变加速度进行数据拟合，根据拟合结果确定多个变加速度的优先级区间，包括：对历史变加速度采用高斯函数进行数据拟合，以得到高斯分布曲线；根据高斯分布曲线确定多个变加速度的优先级区间。
具体而言，获取无人驾驶车辆的历史变加速度，对历史变加速度进行数据拟合。可选地，可以采用高斯函数对数据进行拟合，其拟合结果（即高斯分布曲线）如图6所示。然后对拟合结果进行分析，找到拐点（即图6中的inflection point），可以记为σ，然后可以将[-σ, σ] 记为第一优先级区间，[-2σ, -σ] 和 [σ, 2σ] 记为第二优先级区间，[-3σ, -2σ]和 [2σ, 3σ] 记为第三优先级区间，[-4σ, -3σ] 和 [3σ, 4σ] 记为第四优先级区间。最后将第一优先级区间的变加速度对应的减速机制表生成第一优先级子刹车减速集，第二优先级区间的变加速度对应的减速机制表生成第二优先级子刹车减速集，第三优先级区间的变加速度对应的减速机制表生成第三优先级子刹车减速集，第四优先级区间的变加速度对应的减速机制表生成第四优先级子刹车减速集。
需要说明的是，在本实施例中的第一优先级区间、第二优先级区间、第三优先级区间和第四优先级区间仅仅只是举例说明，在实际划分时可以划分更多或更少优先级区别，例如三个优先级区间或五个优先级区间。
采用上述的方式，能准确地将刹车减速集划分成多个不同优先级的子刹车减速集，以方便查表，从而快速查找变加速度。
在一个实施例中，方法还包括：当未查询到变加速度时，选择第一预设变加速度作为规划变加速度。
具体而言，当无人驾驶车辆需要减速刹车场景下，并没有在预先建立的刹车减速集中查询到变加速度时，说明减速机制表中的变加速度都不合适或无法满足安全减速刹车需要。此时，可以选择预设变加速作为规划变加速度，然后使用此变加速度来定义MPC的变量范围，生成运动轨迹，这样可以最大程度保证安全，以避免发生碰撞。
第一预设变加速度是一个预先设置的值，取值通常比较大，用在非常紧急需要急刹车情况下。
在一个实施例中，选择一个变加速度作为规划变加速度之后，还包括：将初始运动速度、初始距离和最终运动速度作为无人驾驶车辆的第一减速刹车条件；将规划变加速度作为第一减速刹车条件的默认变加速度；当在某一时刻，为人驾驶车辆的第二减速刹车条件与第一减速刹车条件相同时，将默认变加速度作为无人驾驶车辆在某一时刻对应的规划变加速度。
具体地，在无人驾驶车辆需要减速刹车情况下，当确定了无人驾驶车辆的规划变加速度后，可以将规划变加速度作为该刹车情景（即第一减速刹车条件）下的默认变加速度；当以后或未来某一时刻在出现与该刹车情景相同的刹车情景（即第二减速刹车场景）时，可以直接将该刹车情景下的默认变加速度作为某一时刻无人驾驶车辆的规划变加速度。
其中，第一减速刹车条件是根据当前时刻无人驾驶车辆的初始运动速度、初始距离和最终运动速度确定的。第二减速刹车条件是根据某一时刻无人驾驶车辆的初始运动速度、初始距离和最终运动速度确定的。
采用本实施例中的方法可以在未来某一时刻遇到之前相同刹车情景时，可以直接采用之前查询的变加速度作为无人驾驶车辆的规划变加速度，不用重新从刹车减速集查询变加速度，大大节约了时间。
在一个实施例中，根据拟合结果确定多个变加速度的优先级区间之后，还包括：针对每一个优先级区间，对应设置一个第二预设变加速度。
具体地，在确定了多个变加速度的优先级区间后，针对每一个优先级区间，可以设置一个第二预设变加速度。第二预设变加速度是一个预先设置的值，对于每一个优先级区间，第二预设变加速度的取值可以不相同。
可选地，第二预设变加速度可以设为优先级区间中的变加速度的中值，也可以根据优先级区间中的变加速度对应的情况是否紧急，以及决策时对安全与舒适的偏好来设置。
在一个实施例中，方法还包括：当第二预设变加速度满足设定安全减速刹车需求时，选择第二预设变加速度作为规划变加速度。
具体地，对于每一个优先级区间，当设置了第二预设变加速度，在从该优先级区间对应的子刹车减速集中查询满足设定安全减速刹车需求的变加速度时，可以优先查询第二预设变加速度是否满足设定安全减速刹车需求，如果满足可以直接选用第二预设变加速度作为车辆的规划变加速度。采用该方式可以能快速地确定出合适的无人驾驶车辆的变加速度，大大节约了查询时间，有利于安全驾驶。
应该理解的是，虽然图2及图5 的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且图2及图5 中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
上述本申请公开的实施例中详细描述了一种无人驾驶车辆变加速度的确定方法，对于本申请公开的上述方法可采用多种形式的设备实现，因此本申请还公开了对应上述方法的无人驾驶车辆变加速度的确定装置，下面给出具体的实施例进行详细说明。
请参阅图7，为本申请实施例公开的一种无人驾驶车辆变加速度的确定装置，主要包括：
第一获取模块710，用于当检测到路面的障碍物时，获取障碍物的运动速度、障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度。
最终运动速度确定模块720，用于基于障碍物的运动速度确定无人驾驶车辆的最终运动速度，最终运动速度不超过障碍物的运动速度。
变加速度查询模块730，用于基于初始运动速度、初始距离和最终运动速度从预先建立的刹车减速集中查询满足设定安全减速刹车需求的变加速度，其中，刹车减速集包括多个减速机制表，每一个减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始速度和初始距离对应的减速情况。
规划变加速度选择模块740，用于从查询结果中选择一个变加速度作为车辆的规划变加速度。
在一个实施例中，装置还包括：
第一生成模块，用于基于仿真环境生成多个的初始运动速度、初始距离、变加速度和最终运动速度。
状态生成模块，用于以每一个初始运动速度和初始距离作为无人驾驶车辆的初始状态，以每一个最终速度作为无人驾驶车辆的最终状态。
最终距离确定模块，用于计算无人驾驶车辆从初始状态采用各变加速度运行至最终状态时，与障碍物的最终距离。
减速机制表形成模块，用于针对每一变加速度及最终速度的组合，以各初始运动速度为横坐标，以各初始距离为纵坐标，以最终距离为数据点，以形成一个减速机制表。
刹车减速集建立模块，用于由不同的变加速度及最终速度的组合所对应的各个减速机制表，组成刹车减速集。
在一个实施例中，装置还包括：
子刹车减速集划分模块，用于基于历史变加速度的数据分布情况，将刹车减速集分为多个不同优先级的子刹车减速集。
在一个实施例中，子刹车减速集划分模块，用于获取无人驾驶车辆的历史变加速度；对历史变加速度进行数据拟合，根据拟合结果确定多个变加速度的优先级区间；分别根据每一优先级区间中的变加速度对应的减速机制表生成相应的子刹车减速集。
在一个实施例中，子刹车减速集划分模块，用于对历史变加速度采用高斯函数进行数据拟合，以得到高斯分布曲线；根据高斯分布曲线确定多个变加速度的优先级区间。
在一个实施例中，变加速度查询模块730，用于基于初始运动速度、初始距离和最终运动速度按照优先级从高到低的顺序从各子刹车减速集中查询变加速度。
在一个实施例中，规划变加速度选择模块740，用于当未查询到变加速度时，选择第一预设变加速度作为规划变加速度。
在一个实施例中，规划变加速度选择模块740，用于选择最小变加速度作为规划变加速度；或选择最先查询到的变加速度作为规划变加速度；或选择最大变加速度作为规划变加速度；或选择中值变加速度作为规划变加速度。
在一个实施例中，规划变加速度选择模块740，用于将初始运动速度、初始距离和最终运动速度作为无人驾驶车辆的第一减速刹车条件；将规划变加速度作为第一减速刹车条件的默认变加速度；当在某一时刻，为人驾驶车辆的第二减速刹车条件与第一减速刹车条件相同时，将默认变加速度作为无人驾驶车辆在某一时刻对应的规划变加速度。
在一个实施例中，装置包括：变加速度设置模块，用于针对每一个优先级区间，对应设置一个第二预设变加速度。
在一个实施例中，规划变加速度选择模块740，用于当第二预设变加速度满足设定安全减速刹车需求时，选择第二预设变加速度作为规划变加速度。
关于无人驾驶车辆变加速度的确定装置的具体限定可以参见上文中对于方法的限定，在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于终端设备中的处理器中，也可以以软件形式存储于终端设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参考图8，图8其示出了本申请实施例提供的一种终端设备的结构框图。该终端设备80可以是计算机设备。本申请中的终端设备80可以包括一个或多个如下部件：处理器82、存储器84以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器84中并被配置为由一个或多个处理器82执行，一个或多个应用程序配置用于执行上述应用于无人驾驶车辆变加速度的确定方法实施例中所描述的方法。
处理器82可以包括一个或者多个处理核。处理器82利用各种接口和线路连接整个终端设备80内的各个部分，通过运行或执行存储在存储器84内的指令、程序、代码集或指令集，以及调用存储在存储器84内的数据，执行终端设备80的各种功能和处理数据。可选地，处理器82可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器82可集成中央处理器(Cen tralProcessingUnit，CPU)、埋点数据的上报验证器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器82中，单独通过一块通信芯片进行实现。
存储器84可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器84可用于存储指令、程序、代码、代码集或指令集。存储器84可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储终端设备80在使用中所创建的数据等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的终端设备的限定，具体的终端设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
综上，本申请实施例提供的终端设备用于实现前述方法实施例中相应的无人驾驶车辆变加速度的确定方法，并具有相应的方法实施例的有益效果，在此不再赘述。
请参阅图9，其示出了本申请实施例提供的一种计算机可读取存储介质的结构框图。该计算机可读取存储介质90中存储有程序代码，程序代码可被处理器调用执行上述无人驾驶车辆变加速度的确定方法实施例中所描述的方法。
计算机可读取存储介质90可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读取存储介质90包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读取存储介质90具有执行上述方法中的任何方法步骤的程序代码92的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码92可以例如以适当形式进行压缩。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种无人驾驶车辆变加速度的确定方法，其特征在于，所述方法包括：
当检测到路面的障碍物时，获取所述障碍物的运动速度、所述障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度；
基于所述障碍物的运动速度确定所述无人驾驶车辆的最终运动速度，所述最终运动速度不超过所述障碍物的运动速度；
基于所述初始运动速度、所述初始距离和所述最终运动速度从预先建立的刹车减速集中查询满足设定安全减速刹车需求的变加速度，其中，所述刹车减速集包括多个减速机制表，每一个所述减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始速度和初始距离对应的减速情况；
从查询结果中选择一个所述变加速度作为车辆的规划变加速度。
2.根据权利要求1所述的方法，其特征在于，所述刹车减速集的建立方法，包括：
基于仿真环境生成多个的初始运动速度、初始距离、变加速度和最终运动速度；
以每一个所述初始运动速度和所述初始距离作为所述无人驾驶车辆的初始状态，以每一个所述最终运动速度作为所述无人驾驶车辆的最终状态；
计算所述无人驾驶车辆从所述初始状态采用各所述变加速度运行至所述最终状态时，与障碍物的最终距离；
针对每一所述变加速度及所述最终运动速度的组合，以各所述初始运动速度为横坐标，以各所述初始距离为纵坐标，以所述最终距离为数据点，以形成一个减速机制表；
由不同的所述变加速度及所述最终运动速度的组合所对应的各个减速机制表，组成所述刹车减速集。
3.根据权利要求2所述的方法，其特征在于，所述由不同的所述变加速度及所述最终运动速度的组合所对应的各个减速机制表，组成所述刹车减速集之后，还包括：
基于历史变加速度的数据分布情况，将所述刹车减速集分为多个不同优先级的子刹车减速集。
4.根据权利要求3所述的方法，其特征在于，所述基于历史变加速度的数据分布情况，将所述刹车减速集分为多个不同优先级的子刹车减速集，包括：
获取无人驾驶车辆的历史变加速度；
对所述历史变加速度进行数据拟合，根据拟合结果确定多个变加速度的优先级区间；
分别根据每一所述优先级区间中的变加速度对应的减速机制表生成相应的子刹车减速集。
5.根据权利要求4所述的方法，其特征在于，所述对所述历史变加速度进行数据拟合，根据拟合结果确定多个变加速度的优先级区间，包括：
对所述历史变加速度采用高斯函数进行数据拟合，以得到高斯分布曲线；
根据高斯分布曲线确定多个变加速度的优先级区间。
6.根据权利要求3所述的方法，其特征在于，所述基于所述初始运动速度、所述初始距离和所述最终运动速度从预先建立的刹车减速集中查询变加速度，包括：
基于所述初始运动速度、所述初始距离和所述最终运动速度按照优先级从高到低的顺序从各所述子刹车减速集中查询变加速度。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
当未查询到满足设定安全减速刹车需求的变加速度时，选择第一预设变加速度作为规划变加速度。
8.根据权利要求1-6任一项所述的方法，其特征在于，所述从查询结果中选择一个变加速度作为车辆的规划变加速度包括：
选择最小变加速度作为所述规划变加速度；
或
选择最先查询到的变加速度作为所述规划变加速度；
或
选择最大变加速度作为所述规划变加速度；
或
选择中值变加速度作为所述规划变加速度。
9.根据权利要求1-6任一项所述的方法，其特征在于，所述选择一个变加速度作为规划变加速度之后，还包括：
将所述初始运动速度、所述初始距离和所述最终运动速度作为所述无人驾驶车辆的第一减速刹车条件；
将所述规划变加速度作为所述第一减速刹车条件的默认变加速度；
当在某一时刻，所述无人驾驶车辆的第二减速刹车条件与所述第一减速刹车条件相同时，将所述默认变加速度作为所述无人驾驶车辆在所述某一时刻对应的所述规划变加速度。
10.根据权利要求4所述的方法，其特征在于，所述根据拟合结果确定多个变加速度的优先级区间之后，还包括：
针对每一个所述优先级区间，对应设置一个第二预设变加速度。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
当所述第二预设变加速度满足设定安全减速刹车需求时，选择所述第二预设变加速度作为所述规划变加速度。
12.一种无人驾驶车辆变加速度的确定装置，其特征在于，所述装置包括：
第一获取模块，用于当检测到路面的障碍物时，获取所述障碍物的运动速度、所述障碍物与无人驾驶车辆的初始距离以及无人驾驶车辆的初始运动速度；
最终运动速度确定模块，用于基于所述障碍物的运动速度确定所述无人驾驶车辆的最终运动速度，所述最终运动速度不超过所述障碍物的运动速度；
变加速度查询模块，用于基于所述初始运动速度、所述初始距离和所述最终运动速度从预先建立的刹车减速集中查询满足设定安全减速刹车需求的变加速度，其中，所述刹车减速集包括多个减速机制表，每一个所述减速机制表表示当无人驾驶车辆在某一固定变加速度和最终运动速度下，不同的初始速度和初始距离对应的减速情况；
规划变加速度选择模块，用于从查询结果中选择一个所述变加速度作为车辆的规划变加速度。
13.一种终端设备，其特征在于，包括：
存储器；一个或多个处理器，与所述存储器耦接；一个或多个应用程序，其中，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个应用程序配置用于执行如权利要求1-11任一项所述的方法。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-11任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111263448.9A CN113867365B (zh) | 2021-10-28 | 2021-10-28 | 无人驾驶车辆变加速度的确定方法、装置和相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111263448.9A CN113867365B (zh) | 2021-10-28 | 2021-10-28 | 无人驾驶车辆变加速度的确定方法、装置和相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113867365A CN113867365A (zh) | 2021-12-31 |
| CN113867365B true CN113867365B (zh) | 2024-05-14 |
Family
ID=78998218
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111263448.9A Active CN113867365B (zh) | 2021-10-28 | 2021-10-28 | 无人驾驶车辆变加速度的确定方法、装置和相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113867365B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118295402B (zh) * | 2024-03-15 | 2024-09-03 | 苏州纵苇科技有限公司 | 一种运动规划方法和系统、电子设备及存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108780610A (zh) * | 2016-03-24 | 2018-11-09 | 本田技研工业株式会社 | 用于针对意外行人规划轨迹的系统和方法 |
| CN109240313A (zh) * | 2018-11-26 | 2019-01-18 | 智久(厦门)机器人科技有限公司上海分公司 | 无人驾驶叉车的避障方法、装置及系统 |
| CN109855639A (zh) * | 2019-01-15 | 2019-06-07 | 天津大学 | 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法 |
| CN111610785A (zh) * | 2020-05-26 | 2020-09-01 | 三一专用汽车有限责任公司 | 无人驾驶车辆的运动规划方法和运动规划装置 |
| CN111650945A (zh) * | 2020-06-28 | 2020-09-11 | 北京智行者科技有限公司 | 动态障碍物防撞方法 |
| CN112078576A (zh) * | 2020-09-25 | 2020-12-15 | 英博超算(南京)科技有限公司 | 一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法 |
| CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、系统及装置 |
| CN112193244A (zh) * | 2020-09-30 | 2021-01-08 | 浙江大学 | 基于线性约束的自动驾驶车辆运动规划方法 |
| CN112677974A (zh) * | 2020-12-18 | 2021-04-20 | 深圳市布谷鸟科技有限公司 | 一种自适应巡航系统的期望加速度决策方法及系统 |
| CN112739586A (zh) * | 2018-09-27 | 2021-04-30 | 日立汽车系统株式会社 | 车辆控制装置 |
| CN113246980A (zh) * | 2021-04-22 | 2021-08-13 | 前海七剑科技(深圳)有限公司 | 车速规划方法、装置、车辆和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10338879A1 (de) * | 2003-08-23 | 2005-03-17 | Wabco Gmbh & Co.Ohg | Verfahren zur Abschätzung einer Querbeschleunigung eines Fahrzeugs |
| JP6532786B2 (ja) * | 2015-08-07 | 2019-06-19 | 株式会社日立製作所 | 車両走行制御装置及び速度制御方法 |
-
2021
- 2021-10-28 CN CN202111263448.9A patent/CN113867365B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108780610A (zh) * | 2016-03-24 | 2018-11-09 | 本田技研工业株式会社 | 用于针对意外行人规划轨迹的系统和方法 |
| CN112739586A (zh) * | 2018-09-27 | 2021-04-30 | 日立汽车系统株式会社 | 车辆控制装置 |
| CN109240313A (zh) * | 2018-11-26 | 2019-01-18 | 智久(厦门)机器人科技有限公司上海分公司 | 无人驾驶叉车的避障方法、装置及系统 |
| CN109855639A (zh) * | 2019-01-15 | 2019-06-07 | 天津大学 | 基于障碍物预测与mpc算法的无人驾驶轨迹规划方法 |
| CN111610785A (zh) * | 2020-05-26 | 2020-09-01 | 三一专用汽车有限责任公司 | 无人驾驶车辆的运动规划方法和运动规划装置 |
| CN111650945A (zh) * | 2020-06-28 | 2020-09-11 | 北京智行者科技有限公司 | 动态障碍物防撞方法 |
| CN112148002A (zh) * | 2020-08-31 | 2020-12-29 | 西安交通大学 | 一种局部轨迹规划方法、系统及装置 |
| CN112078576A (zh) * | 2020-09-25 | 2020-12-15 | 英博超算(南京)科技有限公司 | 一种基于模糊控制来模拟驾驶员特性的自适应巡航控制方法 |
| CN112193244A (zh) * | 2020-09-30 | 2021-01-08 | 浙江大学 | 基于线性约束的自动驾驶车辆运动规划方法 |
| CN112677974A (zh) * | 2020-12-18 | 2021-04-20 | 深圳市布谷鸟科技有限公司 | 一种自适应巡航系统的期望加速度决策方法及系统 |
| CN113246980A (zh) * | 2021-04-22 | 2021-08-13 | 前海七剑科技(深圳)有限公司 | 车速规划方法、装置、车辆和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113867365A (zh) | 2021-12-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112389427B (zh) | 车辆轨迹优化方法、装置、电子设备和存储介质 | |
| US20220080961A1 (en) | Control system and control method for sampling based planning of possible trajectories for motor vehicles | |
| CN114845914A (zh) | 自主机器应用中的车道变换规划和控制 | |
| CN114222691A (zh) | 基于成本的路径确定 | |
| CN114270360A (zh) | 让步行为建模和预测 | |
| US20190329766A1 (en) | Vehicle control device, vehicle control method, and vehicle control program | |
| CN113525373B (zh) | 一种车辆的变道控制系统、控制方法以及变道控制装置 | |
| US12024170B2 (en) | Lane change gap finder | |
| CN111650945B (zh) | 动态障碍物防撞方法 | |
| CN117794803A (zh) | 使用具有响应型代理预测的树搜索和/或代理滤波进行车辆轨迹控制 | |
| CN111338360B (zh) | 一种规划车辆行驶状态的方法及装置 | |
| CN114261404B (zh) | 一种自动驾驶方法及相关装置 | |
| CN117813230A (zh) | 基于对象轨迹的主动预测 | |
| WO2018139294A1 (ja) | 移動物体予測装置 | |
| US20220227391A1 (en) | Systems and methods for scenario dependent trajectory scoring | |
| US11565723B2 (en) | Systems and methods for vehicle motion planning | |
| US20240217559A1 (en) | Smart vehicle-oriented method and system for collaborative dispatching of driving intents in area | |
| CN113867365B (zh) | 无人驾驶车辆变加速度的确定方法、装置和相关设备 | |
| CN111038504B (zh) | 车辆自适应巡航控制方法、装置、车辆及存储介质 | |
| US11884268B2 (en) | Motion planning in curvilinear coordinates for autonomous vehicles | |
| CN112508294B (zh) | 基于车群信息共享的目标列车控制方法，装置及列车 | |
| JP2024532675A (ja) | インテリジェント運転判断方法、車両走行制御方法及び装置、並びに車両 | |
| CN111038503B (zh) | 车辆自适应巡航控制方法、装置、车辆及存储介质 | |
| WO2024039642A1 (en) | Systems and methods for controlled deceleration | |
| US20230053243A1 (en) | Hybrid Performance Critic for Planning Module's Parameter Tuning in Autonomous Driving Vehicles |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |